I tillverkningsindustrin ligger arbetet till stor del i tre flöden: förarbetet med kalkylering och offert, planeringen och produktionsstyrningen på verkstadsgolvet, och kvalitetskontrollen som avgör om en order är bra nog att skicka. Därutöver finns arbetet som hänger på maskiner och material i sig: underhåll, inköp av råvaror, och administrationen kring certifiering och spårbarhet. Vilket av dessa flöden som slukar mest timmar varierar per företag och per produkttyp, men utfallet av en affär avgörs sällan av det flöde med minst timmar.
Omständigheterna som styr utfallet är delvis tekniska och delvis mänskliga. En offert måste stämma med den verkliga genomloppstiden, inte med en fast marginal som råkar stämma för det mesta. En leveranstid är bara så bra som planeringen som ger den, och den planeringen är bara så bra som datan den bygger på. Och kvalitet i tillverkningsindustrin bedöms inte på ett genomsnitt, utan på avvikelserna: det enda partiet med en avvikelse som en kund minns.
Frågan är inte om AI tar över arbete i tillverkningsindustrin, det sker redan delvis. Frågan är vad det gör med den dimension som en kund väljer mellan leverantörer på. Så länge en leveranstid beror på en planerares bemanning, vinner den part med de mest erfarna personerna på golvet. Så snart planeringen till stor del görs av programvara som räknar igenom scenarier och bara låter en människa godkänna vid avvikelser, förskjuts leveranstid från en kapacitetsfråga till en datafråga: den som har den bästa inputen vinner, inte den som har flest planerare.
Detsamma gäller kalkylering. En offert som tidigare tog dagar eftersom någon behövde räkna igenom ritningar, kan nu delvis skapas automatiskt, med en ingenjör som bedömer resultatet på ologiska avvikelser. Vinner då fortfarande den part som offererar snabbast, eller den part som offererar mest exakt? Det är inte samma svar överallt, och det är precis varför jämförelsen mellan leverantörer förändras: dimensionen man tidigare vann på finns fortfarande, men vad som fyller den dimensionen är inte längre vad det var.
Kvalitetskontroll är det tredje exemplet. Visuell inspektion som AI tar över förändrar inte frågan om en kund efterfrågar kvalitet, men väl vad "bättre poäng på kvalitet" betyder. Ett företag som fortfarande gör inspektion helt med människor konkurrerar då inte längre på ögats konsekvens, utan på något annat: snabbhet i att korrigera, transparens om avvikelser, eller garantitider. Den som inte inser detta fortsätter försvara sig på en dimension som inte längre räknar som den gjorde.
Denna skillnad mellan företag ligger inte i ambition utan i vad som gick att automatisera givet deras produktmix och deras data. Ett tillverkningsföretag med mycket serietillverkning och standardiserade ritningar har lättare en grund för att låta kalkylering tas över än ett företag som huvudsakligen levererar skräddarsytt där varje order är ett nytt undantag. Ett företag med mångåriga sensordata från maskiner kan göra underhåll prediktivt; ett företag utan den datan måste först investera innan AI kan ta över något där. Förskjutningen träffar därför inte alla företag i samma ordning, vilket betyder att peer-gruppen vid ett givet tillfälle innehåller både företag som redan presterar på den nya dimensionen och företag som fortfarande försvarar sig på den gamla dimensionen.
Om AI-driven kapacitetsvinst också leder till färre heltidstjänster är ett beslut för arbetsgivaren med egna lagkrav; här handlar det bara om frågan vilken dimension som avgör en affär och vem som just nu presterar på den.
Denna förskjutning gäller inte bara tillverkningsindustrin. Vad leveranstid betyder när planering tar över arbetet från transportplanerare visar ett liknande mönster, precis som frågan vad konsultbyråer särskiljer sig på när research och rapportering till stor del är automatiserade. Om ni känner igen en dimension ni tror att ni vinner på, är nästa fråga vad ni gör om det visar sig att en konkurrent redan ligger före där: vad man gör vid ett underläge på en dimension som avgör affären ger ett tillvägagångssätt för det.
Den underliggande frågan om vilket arbete i ert företag faktiskt går att låta AI ta över, besvaras per uppgift med arbetsscanen från FTE TO AI.
Innan ni försvarar er på en dimension är det bra att veta om den dimensionen fortfarande är vad den var, och om ert påstående om den håller. Ett påstående som "vi är snabbare" eller "vi är mer exakta" är bara värt något om det kan styrkas; hur det fungerar beskrivs i hur ni underbygger ett påstående om er egen kvalitet. Med den kostnadsfria dimensionskontrollen anger ni på vad ni tror att ni vinner och ser vilka av dessa påståenden som går att försvara med bevis. Den fullständiga benchmarken, med er position och den för er peer-grupp på varje dimension, är under uppbyggnad.